L’usage des mobilités actives partagées dépend de plusieurs facteurs :
Les infrastructures cyclables (pistes cyclables, zone 30, arceaux, signalétique, …) disponibles dans les villes.
Le tarif (abonnement annuel subventionné, tarification à l’heure, politique incitative, …).
La disponibilité du réseau de mobilité partagée (nombre de véhicules, état des véhicules, …).
La fiabilité des informations (nombre de vélos disponibles, nombres de bornettes disponibles, …). Un usager a besoin d’avoir la certitude de trouver facilement un vélo fonctionnel quand il en a besoin et de pouvoir le restituer facilement.
Qucit Bike User
Prédire les vélos et bornettes disponibles pour apporter plus de fiabilité à l’information transmises aux usagers !
Une API prédictive clé en main
Modélise la demande de vélos en libre-service (standards et/ou électriques) et des bornettes.
Prédit de 15 minutes à 12 heures en avance la probabilité de trouver un vélo/une bornette disponible.
Disponible via une API Rest pour une intégration facilitée dans les média tiers (sites internet, applications mobile, ...).
Nos partenariats
Notre tout dernier partenariat :
UTE Pedalem intègre Qucit Bike User dans l’application Smou à Barcelone
Depuis octobre 2022, UTE Pedalem, l’opérateur du système barcelonais Bicing, a intégré l’API Qucit Bike User à l’application multimodale de B:SM, Smou. L’objectif de cette intégration est de permettre aux utilisateurs du système de planifier leurs déplacements en fournissant une information fiable sur les disponibilités des vélos dans les prochaines heures. Une réelle amélioration de l’expérience utilisateur !
Nos intégrations
Aujourd'hui, l’API Qucit Bike User est intégrée dans des applications multimodales (MaaS) et monomodales et des sites internet de recherche d’itinéraire
Qucit Bike User dans la presse
tom - Le comparateur d’itinéraires Modalis intègre du prédictif
En Nouvelle-Aquitaine, le comparateur d’itinéraires Modalis se dote d’une application mobile et permet d’anticiper la disponibilité des places de parkings et stations de vélos en libre-service. Il s’agit de la première intégration d’un modèle prédictif dans le domaine de la Mobilité à la demande (MaaS).